關於Faster R-CNN Tensorflow+python 3.5 在Windows10環境下配置實現，可以參看這裡。執行在demo.py檔案中測試資料中原始碼設定僅檢測幾張圖片供參考，原始的程式碼段如下。

im_names = ['000456.jpg', '000457.jpg', '000542.jpg', '001150.jpg',
                '001763.jpg', '004545.jpg']
    for im_name in im_names:
        print('~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~')
        print('Demo for data/demo/{}'.format(im_name))
        demo(sess, net, im_name)

    plt.show()
 

問題1：一旦測試圖片多起來，桌面上一下子顯示出十幾個figure視窗看起來有點小刺激，所以可以考慮修改以下程式碼，進行批量測試和儲存。

主要修改下檔案的儲存路徑與輸出格式，因為不少測試圖片經plt.savefig函式儲存，如果不加其他引數設定會導致影象上存在不少空白位置，plt.savefig函式的詳細引數設定可以參考官方文件：

 im_names = os.listdir(cfg.FLAGS2["data_dir"]+'/demo') #測試圖片所在位置
    for im_name in im_names:
        print('~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~')
        print('Demo for data/demo/{}'.format(im_name))
        demo(sess, net, im_name)
        #儲存測試圖片所在位置，並設定輸出格式
        plt.savefig(cfg.FLAGS2["data_dir"]+'/test_result/'+ im_name, format = 'png',transparent = True,pad_inches = 0,dpi = 300,bbox_inches = 'tight') 

   # plt.show()
 

問題2：就是demo.py檔案在對同一張圖片上每個視窗 僅顯示某一類圖片，而不是在每張影象上顯示所有類別